深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
2521	2026-07-07	Diffusion Tensor Magnetic Resonance Image Registration Based on Parallel Dual-Channel VoxelMorph 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3644884 PMID:41406277	研究论文	提出一种基于并行双通道VoxelMorph的扩散张量磁共振图像配准方法（DTI-RBPDV），以提高配准精度和计算速度	该方法采用双分支卷积神经网络架构并行处理分数各向异性图像和主特征向量，并在解码器层集成通道空间注意力机制以增强关键结构对齐	未提及具体限制	解决传统DTI配准方法迭代速度慢、精度低的问题	扩散张量磁共振图像中的张量数据	计算机视觉	NA	扩散张量磁共振成像	卷积神经网络	图像	NA	NA	VoxelMorph	配准精度、计算速度	NA
2522	2026-07-07	Multi-Scale, Multi-Basis Wavelet Voting Network for Automatic Analysis of Fetal Heart Rate Signals 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647057 PMID:41428927	研究论文	提出一种多尺度多基小波投票网络WaveFHR-VNet，用于自动分析胎儿心率信号中的基线、加速和减速事件	首次在U-Net架构的每个编码块中嵌入离散小波变换，实现联合时频域分析；引入交互式系数选择模块学习注意力掩码以抑制噪声并增强诊断性瞬变；并行使用五种互补小波基并通过投票层融合输出，消除手动基选择	未提及对极低质量或缺失信号的鲁棒性，以及计算复杂度或实时应用的可行性	提高胎儿心率信号自动分析的准确性，克服现有深度学习模型忽略时频结构导致的加速/减速事件漏检和噪声敏感问题	胎儿心率记录中的基线、加速和减速事件	数字病理学	产科疾病	NA	CNN	一维时间序列信号	四个胎儿心率数据集（包括LCU-DB等）	PyTorch	U-Net风格的多尺度多基小波投票网络（WaveFHR-VNet）	Dice系数, 交并比, 准确率	NA
2523	2026-07-07	Multi-Task Learning for OSA Detection and Sleep Staging via Multi-Scale Modeling 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647317 PMID:41433180	研究论文	提出MT-TASPPNet多任务网络，同时实现OSA事件检测与睡眠分期	首次同时处理OSA检测和睡眠分期两项任务，引入多尺度时序-频率捕捉机制和EOG引导先验机制	未明确提及局限性	开发统一的多模态多任务网络联合进行OSA检测和睡眠分期	阻塞性睡眠呼吸暂停（OSA）患者与睡眠结构分析	机器学习	睡眠呼吸障碍（阻塞性睡眠呼吸暂停）	多模态生理信号分析（EEG、ECG、气流、EOG）	多任务深度学习网络	多模态生理信号（EEG、ECG、气流、EOG）	三个大规模数据集（SHHS1、SHHS2、悉尼睡眠生物库），样本数未具体说明	NA	MT-TASPPNet（多任务三重空洞空间金字塔池化网络）	准确率（Accuracy）、宏F1分数（MF1）、Cohen's Kappa系数（K）	NA
2524	2026-07-07	Re-Visible Dual-Domain Self-Supervised Deep Unfolding Network for MRI Reconstruction 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647429 PMID:41433179	研究论文	提出一种新型的重新可见双域自监督深度展开网络，用于仅利用欠采样数据进行磁共振图像重建	引入重新可见双域损失函数，利用所有欠采样k空间数据进行训练以缓解输入分布偏移；并设计基于Chambolle和Pock近邻点算法的深度展开网络，结合空间-频率特征提取块来捕捉全局与局部表示，有效融合成像物理与全面图像先验	NA	解决仅利用欠采样数据时，现有自监督方法由于进一步划分k空间数据导致的输入分布偏移以及未有效整合图像先验导致的重建性能下降问题	磁共振图像重建	计算机视觉	NA	磁共振成像	深度展开网络	k空间数据	单线圈和多线圈数据集	PyTorch	DUN-CP-PPA, SFFE	重建性能, 泛化能力	NA
2525	2026-07-07	DePerio: Innovative Deep Learning-Based Framework for Periodontal Disease Diagnosis and Severity Evaluation Using Saliva Samples 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3647413 PMID:41433182	研究论文	提出名为DePerio的深度学习框架，利用唾液样本中的口腔多形核中性粒细胞(oPMNs)进行牙周病诊断和严重程度评估	结合新型oPMN分离协议与深度神经网络架构，实现针对口腔特异性oPMNs的准确检测与量化，适用于牙周病的早期诊断和长期监测	研究未明确讨论模型在不同人群或更大样本量下的泛化能力，以及实际临床部署中可能存在的硬件或操作复杂度问题	开发基于深度学习的唾液样本分析方法，实现牙周病的早期检测和严重程度评估	人类唾液样本中的口腔多形核中性粒细胞(oPMNs)	计算机视觉	牙周病	唾液样本分析、oPMN分离协议	深度神经网络(DNN)	图像	111个人类唾液样本，涵盖从健康到重度牙周炎病例	NA	多种DNN架构（未明确指定具体名称）	检测误差率（<5%），分类准确率（五个口腔炎症负荷水平）	NA
2526	2026-07-07	Application of Graph Neural Networks on ECG Data: A Systematic Literature Review 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2026.3651842 PMID:41525638	综述	系统综述图神经网络在心电图数据上的应用，比较不同方法并识别主要方向和研究空白	首次系统综述基于几何深度学习的心电图分析方法，聚焦图神经网络在多导联心电图中的空间建模应用，并提出未来研究方向	缺乏12导联心电图的多样化应用研究，多导联空间建模是否显著改善心律失常分类尚不明确	系统评述图神经网络在心电图数据分析中的方法优劣，识别研究前沿与空白	心电图数据，特别是多导联心电图的图神经网络分析方法	自然语言处理	心律失常	心电图	图神经网络	时间序列	NA	NA	图神经网络	NA	NA
2527	2026-07-07	Deep learning and statistical methods identify novel asthma risk variants in Europeans 2026-Jul, The Journal of allergy and clinical immunology IF:11.4Q1 DOI:10.1016/j.jaci.2026.03.016 PMID:41932550	研究论文	通过深度学习和统计方法识别欧洲人群新的哮喘风险变异	结合Transformer深度学习框架和多性状分析、条件错误发现率等统计方法，发现新的候选位点并改进多基因风险预测	NA	细化欧洲裔人群的哮喘遗传景观并改进多基因风险预测	欧洲裔人群	机器学习	哮喘	全基因组关联研究(GWAS)荟萃分析、多性状分析、条件错误发现率	Transformer	遗传变异数据	121,940名病例和1,254,131名对照（全球生物库荟萃分析倡议）；36,823名病例和398,278名对照（百万退伍军人计划）	NA	Transformer	多基因风险评分（PRS）预测性能	NA
2528	2026-07-07	Multi-Task Learning for Gait Phase and Gait Cycle Percentage Prediction With Wearable Sensors in Frail Older Adults 2026-Jul, IEEE journal of biomedical and health informatics IF:6.7Q1 DOI:10.1109/JBHI.2025.3643724 PMID:41385418	研究论文	提出一种基于可穿戴传感器的多任务学习框架，用于预测虚弱老年人的步态相位和步态周期百分比	首次结合多门混合专家架构与交叉专家注意力机制，实现步态分析中回归与分类任务的软参数共享，并通过轻量化配置大幅降低计算负担	未提及	开发轻量级多任务深度学习模型，实现基于可穿戴传感器的病理步态实时评估	虚弱老年人的步态数据	机器学习	老年疾病	可穿戴传感器	多门混合专家网络	时间序列信号	158名虚弱老年人	PyTorch	Multi-gate Mixture-of-Experts	准确率, 平均绝对误差	未提及
2529	2026-07-07	Parkinson's disease classification using optimized attention-based deep learning from EEG signals with interpretable sub-band topography 2026-Jul-01, Brain informatics DOI:10.1186/s40708-026-00317-x PMID:42384288	研究论文	提出一种基于注意力机制的深度学习框架，通过最小预处理和防泄漏评估对静息态脑电图进行帕金森病分类	采用双通道空间注意力增强的ResNet-101骨干网络，结合增强自适应混合协方差矩阵适应进化策略优化超参数，并在子带拓扑分析中提供可解释的神经生理学解释	需要更大规模、异质性队列进一步验证临床泛化能力	开发并验证基于脑电图信号的帕金森病自动分类方法	帕金森病患者和健康对照组的静息态脑电图信号	机器学习	帕金森病	脑电图	CNN	信号	两个独立公共数据集：加州大学圣地亚哥分校和爱荷华大学，采用逐被试嵌套留一被试交叉验证	NA	ResNet-101	准确性	NA
2530	2026-07-07	Artificial Intelligence for Discovery in Life Sciences 2026-Jul-01, Bioconjugate chemistry IF:4.0Q1 DOI:10.1021/acs.bioconjchem.6c00230 PMID:42384743	综述	调查人工智能在生命科学领域从成像到分子设计、假设生成和自主实验等广泛领域的应用进展	系统性地将AI应用从传统成像分析扩展到非成像领域，如荧光探针开发、大语言模型整合文献与生成假设、以及多智能体自主实验，强调跨领域融合带来的新发现范式	讨论了验证、可解释性、泛化性和自主性方面的挑战	综述AI在生命科学中从微观成像到宏观实验设计的变革性作用，并预测其加速生物发现的潜力	生命科学领域中的光学显微镜、冷冻电镜、扩展显微镜、蛋白质工程、实验设计、假设生成等应用场景	数字病理学	NA	NA	深度学习模型、大语言模型、多智能体系统	图像（显微图像）、文本（文献）、序列（蛋白质）	NA	NA	NA	NA	NA
2531	2026-07-07	Deep Learning-Based Prediction and Regulation for Remaining Shelf Life of Blueberries 2026-Jul, Journal of food science IF:3.2Q2 DOI:10.1111/1750-3841.71266 PMID:42402711	研究论文	提出一种结合AHP-PCA-LSTM和GPR的闭环框架，用于蓝莓剩余货架期的预测与调控	首次将AHP-PCA-LSTM架构与高斯过程回归结合，构建动态闭环系统，实现基于温度的蓝莓剩余货架期精准预测与最优存储条件反向推导	主要数据通过插值扩充至600个样本，小样本量和插值处理可能影响模型泛化能力；实验仅在单一相对湿度条件下进行，未考虑其他环境因素	实现蓝莓剩余货架期的精准预测与基于温度的调控，以优化供应链管理并减少食品浪费	蓝莓果实的新鲜度指标（包括过氧化氢酶等品质参数）及温度存储条件	机器学习	不适用	三阶样条插值、自编码器	长短期记忆网络、高斯过程回归	数值数据	72个原始观测（6个温度×12个采样点），经插值扩充至600个样本	不适用	AHP-PCA-LSTM，高斯过程回归	误差率	不适用
2532	2026-07-07	Effect of an annotation-free artificial intelligence system for simultaneous detection and diagnosis on breast ultrasonography: a multireader, multicase study across diverse healthcare professionals 2026-Jul, Ultrasonography (Seoul, Korea) DOI:10.14366/usg.26033 PMID:42403203	研究论文	评估无需标注的深度学习AI系统在乳腺超声中辅助不同医疗专业背景读者提升检测与诊断性能的多读者、多病例研究	首次研究无标注AI系统在不同专业背景读者（放射科医师、外科医生、内科医生、放射技师）中对乳腺超声诊断的辅助效果，并全面分析了经验水平对性能变化的影响	AI辅助后内科医生和放射技师的诊断特异性显著下降，部分读者（无专科培训或经验不足的放射科医师）的敏感性和准确性提升伴随特异性降低	评估无需标注的AI系统在乳腺超声检测与诊断中对不同专业背景读者的辅助效果	1000张乳腺超声图像（500例恶性、250例良性、250例阴性）	计算机视觉	乳腺癌	NA	深度学习	图像	1000张乳腺超声图像（500恶性、250良性、250阴性），15名读者（6名放射科医师、3名外科医生、3名内科医生、3名放射技师）	NA	NA	AULROC, 敏感性, 特异性, 准确性	NA
2533	2026-07-07	A new single-sagittal-plane deep learning approach for continuous bladder volume monitoring: a feasibility study 2026-Jul, Ultrasonography (Seoul, Korea) DOI:10.14366/usg.25258 PMID:42403208	研究论文	提出一种基于单矢状切面B超图像的深度学习模型用于连续膀胱容量监测	利用单矢状面B超图像结合深度学习实现膀胱容量估计，克服了传统双平面法需同时采集横切面与矢状切面易引入配准误差和形状系数偏差的局限	单中心研究、样本量小（测试集n=53）、仅评估仰卧位、未验证临床连续监测场景的鲁棒性	开发一种基于单矢状切面超声图像的、患者特异性的膀胱容量连续监测方法	膀胱容量估计的可行性和准确性	计算机视觉	泌尿系统疾病	超声成像	卷积神经网络	B超图像	53例患者（测试集）	PyTorch，OpenCV	轻量级CNN结合自注意力机制	R²，平均绝对误差，平均绝对百分比误差，Bland-Altman分析	NA
2534	2026-07-07	A Coral-Inspired Dual Modal Hydrogel Sensor with Deep Learning-Assisted Decoupling of Force-Thermal Stimuli 2026-Jun-26, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.6c06830 PMID:42360292	研究论文	受珊瑚启发，设计了一种双模态水凝胶传感器，结合深度学习实现力-热刺激的解耦识别	首次将热致变色单元和力致电阻响应单元协同集成于双网络水凝胶，利用响应时间差异（0.4秒 vs 7.1秒）结合深度学习框架（轻量ResNet处理图像，多层感知机分析电阻时序信号）实现力-热刺激的实时同步解耦，整体准确率超过95%	未明确说明在复杂环境（如湿度、pH变化）下的稳定性，以及大规模制备和长期使用的耐久性	开发多模态柔性感知技术，解决信号串扰问题，实现力-热刺激的实时同步解耦与识别	自制的PCSC水凝胶传感器产生的热致变色图像信号和力/热诱导的电阻时间序列信号	计算机视觉, 机器学习	不适用	水凝胶合成、电阻响应测量、热致变色成像	卷积神经网络, 多层感知机	图像, 时间序列电阻信号	未明确说明实验样本数量，涉及温度识别和手势识别任务	Python深度学习框架（未具体说明但通常为PyTorch或TensorFlow）	轻量ResNet, 多层感知机	准确率（温度识别97.5%、手势识别98.5%、整体解耦>95%）	未说明具体计算资源
2535	2026-07-07	ZHMolTopoRPI: A Commutative Algebra-Driven Deep Learning Framework for Robust RNA-Protein Interaction Prediction 2026-Jun-26, Journal of chemical information and modeling IF:5.6Q1 DOI:10.1021/acs.jcim.6c01199 PMID:42360418	研究论文	提出一种融合持久交换代数的深度学习框架ZHMolTopoRPI，用于稳健的RNA-蛋白质相互作用预测	引入持久Stanley-Reisner理论提取RNA多尺度数学特征，并结合对比学习增强的门控注意力双塔网络进行特征融合，提升物理可解释性	未明确讨论模型在极端不平衡数据集或长序列上的表现，计算资源消耗未详述	开发一种具有物理可解释性的RNA-蛋白质相互作用预测方法	RNA序列、蛋白质序列及RNA-蛋白质相互作用对	机器学习	不适用	持久交换代数、对比学习	双塔神经网络、门控注意力网络	序列数据	六个基准数据集（NPInter2、RPI7317、RPI488、RPI1807、RPI2241和NPInter v2.0）	PyTorch	CL-GADTN（对比学习增强的门控注意力双塔网络），结合ESM2蛋白语义信息	MCC	不适用
2536	2026-07-07	Microscopy-informed structural connectivity mapping in the in vivo human brain via domain adaptation 2026-Jun-18, bioRxiv : the preprint server for biology DOI:10.64898/2026.06.14.732211 PMID:42367983	研究论文	提出一种深度学习模型，通过域自适应从扩散MRI预测显微镜引导的纤维方向，从而在活体人脑中实现微结构信息连通性映射	首次利用域自适应技术将显微镜获取的高分辨率纤维方向信息从动物模型迁移到活体人脑扩散MRI，无需推断时进行显微镜成像，实现跨组织状态和跨物种的生物信息迁移	依赖定制猕猴数据集进行训练，人类数据需满足最小采集要求，且未讨论模型在不同MRI协议或病理条件下的泛化能力	建立从显微镜到非侵入性成像的微结构信息迁移框架，改进人脑连通性估计	人脑和猕猴大脑的扩散MRI数据及显微镜数据	机器学习	神经科学（无特定疾病）	扩散MRI, 显微镜	NA	NA	NA	NA	NA	NA	NA
2537	2026-07-07	Optic Disc Fundus Images Retain Biometric Identity Signals Under Deep Learning 2026-Jun-05, Research square DOI:10.21203/rs.3.rs-8801056/v1 PMID:42282010	研究论文	研究深度学习模型在视盘中心眼底图像中保留足够的主体特异性信息用于生物特征验证的能力	首次证明深度学习模型从视盘中心眼底图像中保留主体特异性信息，并比较不同视网膜区域在生物特征验证中的性能差异	视盘区域模型性能随视网膜上下文减少而下降，且身份无法在无关联密钥的情况下从眼底图像中确定	评估深度学习模型在视盘中心眼底图像中保留主体特异性信息以用于生物特征验证的能力，并与全视野眼底照片模型进行比较	4,500名主体的7,724只眼睛的30,836张彩色眼底照片	计算机视觉	不适用	眼底照相	卷积神经网络	图像	30,836张彩色眼底照片，来自4,500名主体的7,724只眼睛	不适用	Siamese卷积神经网络	AUC, EER, 准确率	不适用
2538	2026-07-07	Topology-preserving, diameter-specific framework for conjunctival vessel segmentation and tortuosity analysis in diabetes 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48680-3 PMID:42086622	研究论文	提出一种保持拓扑结构的、直径特异性的结膜血管分割与迂曲度分析框架，用于糖尿病微血管评估	首次在结膜血管分割中引入拓扑保持技术，开发直径特异性分割方法，集成多尺度上下文建模和注意力引导特征融合以减少碎片化，无需后处理即可获得鲁棒的迂曲度估计	NA	建立可靠的结膜血管量化方法，探索其作为糖尿病非侵入性微血管生物标志物的潜力	糖尿病患者和健康对照者的结膜血管图像	计算机视觉，数字病理学	糖尿病	NA	深度学习	图像	包含直径特异性血管标注的结膜成像数据集	NA	多尺度上下文建模结合注意力引导特征融合	迂曲度误差，中心线偏差，像素级准确率	NA
2539	2026-07-07	Detection of internet of things network attacks by hybrid deep learning (CNN-LSTM) algorithm to enhance security 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-51043-7 PMID:42086659	研究论文	提出一种结合CNN和LSTM的混合深度学习模型，用于检测物联网网络攻击，以增强安全性	将CNN与LSTM结合用于物联网僵尸网络攻击检测，并通过特征工程和SMOTE处理数据不平衡问题，实现高准确率和通用性	未提及在真实大规模物联网环境中的部署挑战或计算资源需求	增强物联网网络安全，高效检测僵尸网络攻击	物联网网络流量中的僵尸网络攻击	机器学习	NA	NA	CNN-LSTM混合模型	网络流量数据	使用BoT-IoT公开数据集，包含多种攻击类型和真实流量模式	NA	CNN, LSTM	准确率, PR-AUC, ROC-AUC	NA
2540	2026-07-07	KDTViT knowledge distillation, transfer learning and transformer based deep learning framework for efficient histopathology image classification 2026-May-05, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-49792-6 PMID:42086747	研究论文	提出一种结合知识蒸馏、迁移学习和Transformer的深度学习框架，用于高效分类组织病理学图像中的乳腺癌	利用迁移学习和知识蒸馏结合Transformer，开发能够处理多个放大倍数组织病理学图像的统一模型，避免传统方法对每个放大倍数需单独模型的问题	未在摘要中明确说明局限性	开发一个统一模型来处理多个放大倍数的组织病理学图像分类	乳腺癌组织病理学图像	数字病理学	乳腺癌	NA	Transformer	图像	BreakHis数据集	NA	Transformer	准确率、精确率、召回率、F1分数、AUC	NA